AI model: ముందస్తు తుపాను హెచ్చరికలకు గూగుల్ కొత్త AI మోడల్.. కోడ్, మోడల్ వెయిట్స్ ఓపెన్ సోర్స్
ఈ వార్తాకథనం ఏంటి
తుపాన్లు, ముఖ్యంగా హరికేన్లను మరింత ముందుగానే అంచనా వేసి హెచ్చరికలు జారీ చేసేందుకు గూగుల్కు చెందిన గూగుల్ డీప్మైండ్, గూగుల్ రీసెర్చ్ సంస్థలు అధునాతన వాతావరణ అంచనా మోడల్ WeatherNextను అభివృద్ధి చేశాయి. తుపానుల కదలికలు, తీవ్రతను మరింత ఖచ్చితంగా అంచనా వేయడమే ఈ AI మోడల్ ప్రధాన లక్ష్యం. ఈ ప్రాజెక్టు అభివృద్ధిలో ప్రపంచవ్యాప్తంగా ఉన్న పలు వాతావరణ సంస్థలు కూడా భాగస్వాములయ్యాయి. అమెరికాకు చెందిన నేషనల్ హరికేన్ సెంటర్ (National Hurricane Center), కోఆపరేటివ్ ఇన్స్టిట్యూట్ ఫర్ రీసెర్చ్ ఇన్ ది అట్మాస్ఫియర్ (CIRA)తో పాటు యూకే మెటాఫీస్ వంటి సంస్థలు ఈ పరిశోధనకు సహకరించాయి.
వివరాలు
సోర్స్ కోడ్తో పాటు మోడల్ వెయిట్స్ను కూడా..
ఇప్పుడు WeatherNextకు సంబంధించిన సోర్స్ కోడ్తో పాటు మోడల్ వెయిట్స్ను కూడా గూగుల్ ఓపెన్ సోర్స్ చేసింది.
వీటిని GitHubలో అందుబాటులో ఉంచడంతో ప్రపంచవ్యాప్తంగా ఉన్న శాస్త్రవేత్తలు, వాతావరణ పరిశోధకులు ఈ మోడల్ను పరిశీలించి తమ పరిశోధనల్లో ఉపయోగించుకునే అవకాశం లభించింది.
వివరాలు
దాదాపు 20TB వాతావరణ డేటా..
ఉష్ణమండల తుపానుల (Tropical Cyclones) కదలికలను ముందుగా అంచనా వేయడం చాలా క్లిష్టమైన ప్రక్రియ.
ప్రపంచవ్యాప్తంగా వీస్తున్న వాతావరణ ప్రవాహాలు తుపాను ఏ దిశగా ప్రయాణిస్తుందనే విషయాన్ని ప్రభావితం చేస్తాయి.
అందువల్ల తుపాను మార్గాన్ని అంచనా వేయడం వాతావరణ శాస్త్రవేత్తలకు సవాలుగా ఉంటుంది.
ఇప్పటివరకు ఇలాంటి తుపానుల మార్గాలను అంచనా వేయడానికి ప్రధానంగా విస్తృత స్థాయి గ్లోబల్ వెదర్ మోడళ్లను ఉపయోగించేవారు.
అయితే తుపాను తీవ్రతను అంచనా వేయడానికి మాత్రం స్థానిక స్థాయిలో పనిచేసే ప్రత్యేక మోడళ్లు మరింత ఉపయోగకరంగా ఉంటాయి.
ఇవి తుపాను కేంద్రంలో చోటుచేసుకునే థర్మోడైనమిక్ ప్రక్రియలను విశ్లేషిస్తాయి.
ఈ రెండు అంశాలను ఒకే మోడల్ ద్వారా అంచనా వేసేలా WeatherNextను రూపొందించారు.
వివరాలు
నిమిషం లోపే 15 రోజుల అంచనా..
WeatherNextలోని మరో కీలకమైన ప్రత్యేకత దాని వేగం. పరిశోధకుల ప్రకారం, టెన్సర్ ప్రాసెసింగ్ యూనిట్ (TPU)ను ఉపయోగిస్తే WeatherNext కేవలం ఒక నిమిషం కంటే తక్కువ సమయంలోనే 15 రోజుల వాతావరణ అంచనాను రూపొందించగలదు.
ఈ వేగవంతమైన అంచనా సామర్థ్యం వాతావరణ నిపుణులకు చాలా ఉపయోగకరంగా మారనుంది.
ముఖ్యంగా అత్యంత తీవ్రమైన, భారీ నష్టాన్ని కలిగించే వాతావరణ పరిస్థితులు సంభవించే అవకాశాలను వివిధ కోణాల్లో వేగంగా విశ్లేషించేందుకు ఇది సహాయపడుతుంది.